CN111128201A - 交互方法、装置、系统、电子设备及存储介质 - Google Patents

交互方法、装置、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN111128201A
CN111128201A CN201911409007.8A CN201911409007A CN111128201A CN 111128201 A CN111128201 A CN 111128201A CN 201911409007 A CN201911409007 A CN 201911409007A CN 111128201 A CN111128201 A CN 111128201A
Authority
CN
China
Prior art keywords
voice signal
voice
interaction
server
sending
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911409007.8A
Other languages
English (en)
Inventor
耿雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201911409007.8A priority Critical patent/CN111128201A/zh
Publication of CN111128201A publication Critical patent/CN111128201A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本申请公开了交互方法、装置、系统、电子设备及存储介质，涉及语音信号交互领域。具体实现方案为：在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器；接收所述服务器对所述语音信号进行语音增强处理和语音识别处理的处理结果。通过上述方案，将语音增强处理和语音识别处理设置在服务器，可以有效降低终端设备的运算成本，进而可以降低终端设备的功耗。

Description

交互方法、装置、系统、电子设备及存储介质
技术领域
本申请涉及语音识别技术领域，尤其涉及语音信号交互领域。
背景技术
随着远场语音识别技术的快速发展，集成远场语音识别技术的智能硬件产品近来全面爆发。
根据研究及实际测试表明，在远场语音应用当中，因为使用环境的复杂性比如环境噪声等问题严重，麦克风阵列前端降噪算法对硬件的运算能力有着极大的需求，进而也带来了功耗增大的结果。
随着智能家居，尤其是便携式智能硬件对于低功耗的要求越来越突出。如何降低功耗是亟待解决的问题。
发明内容
本申请实施例提供了交互方法、装置、系统、电子设备及存储介质，以解决现有技术中的一个或多个技术问题。
第一方面，本申请提供一种交互方法，包括：
在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器；
接收服务器对语音信号进行语音增强处理和语音识别处理的处理结果。
通过上述方案，将语音增强处理和语音识别处理设置在服务器，可以有效降低终端设备的运算成本，进而可以降低终端设备的功耗。
在一种实施方式中，在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器，包括：
在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
执行正常工作模式包括：
将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
通过上述方案，终端设备在上电后执行第一低功耗模式，维持较低的功耗。只有在检测到语音信号的情况下，才会由执行第一低功耗模式切换到执行第二低功耗模式，在第二低功耗模式下检测语音信号中的唤醒词。在检测到唤醒词的情况下，最终进入正常工作模式。两级低功耗模式可以更进一步的降低终端设备的功耗。
在一种实施方式中，在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器，包括：
在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
执行正常工作模式包括：
将第一语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
通过上述方案，终端设备可以不对第一语音信号是否只包含唤醒词进行判断，而是直接将第一语音信号作为与服务器交互的语音信号。节省了判断步骤，可以进一步降低终端设备的运算量，从而降低其功耗。
在一种实施方式中，执行正常工作模式，还包括：
将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
通过上述方案，对于用于交互语音信号，终端设备不会遗漏发送。
在一种实施方式中，将用于交互的语音信号发送至服务器，包括：
将用于交互的语音信号进行预处理；
将预处理后的语音信号发送给服务器。
通过上述方案，可以提升语音信号的质量，利于服务器的后续处理。
在一种实施方式中，还包括：
在第一语音信号之后超过预定时间未检测到其他语音信号的情况下，切换到执行第一低功耗模式。
通过上述方案，可以使终端设备检测到用户已经不再输入指令的情况下，计时切换到最低消耗的第一低功耗模式。可以实现进一步的节约能耗。
第二方面，本申请提供一种交互方法，包括：
接收终端设备发送的用于交互的语音信号；
对语音信号进行语音增强处理和语音识别处理，得到处理结果；
将处理结果发送至终端设备。
在一种实施方式中，语音增强处理包括波束成形、盲源分离、噪声抑制、去混响、自动增益控制中的至少一种。
第三方面，本申请提供一种交互装置，包括：
第一发送模块，用于在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器。
第一接收模块，用于接收服务器对语音信号进行语音增强处理和语音识别处理的处理结果。
在一种实施方式中，第一发送模块，包括：
第一数字信号处理子模块，用于在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
第一主处理子模块，在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
执行正常工作模式包括：
将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
在一种实施方式中，第一发送模块，包括：
第二数字信号处理子模块，用于在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
第二主处理子模块，在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
执行正常工作模式包括：
将第一语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
在一种实施方式中，执行正常工作模式，还包括：
将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
在一种实施方式中，第一发送模块，还包括：
预处理子模块，用于将用于交互的语音信号进行预处理；
发送执行子模块，用于将预处理后的语音信号发送给服务器。
在一种实施方式中，还包括：
模式切换模块，用于在第一语音信号之后超过预定时间未检测到其他语音信号的情况下，切换到执行第一低功耗模式。
第四方面，本申请提供一种交互装置，包括：
第二接收模块，用于接收终端设备发送的用于交互的语音信号；
语音信号处理模块，用于对语音信号进行语音增强处理和语音识别处理，得到处理结果；
第二发送模块，用于将处理结果发送至终端设备。
在一种实施方式中，语音增强处理包括波束成形、盲源分离、噪声抑制、去混响、自动增益控制中的至少一种。
第五方面，本申请实施例提供一种交互系统，包括前述第三方面所提供的任一交互装置，以及第四方面所提供的任一交互装置。
第六方面，本申请实施例提供一种电子设备，包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。
第七方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例交互方法第一实施例的流程图；
图2是本申请实施例交互方法第一实施例的流程图；
图3是本申请实施例交互方法第一实施例的流程图；
图4是本申请实施例交互方法第一实施例的流程图；
图5是本申请实施例交互方法第二实施例的流程图；
图6是可以实现本申请实施例的交互方法的场景图；
图7是本申请实施例交互方法第三实施例的流程图；
图8是本申请实施例交互装置第一实施例的框图；
图9是本申请实施例交互装置第一实施例的框图；
图10是本申请实施例交互装置第一实施例的框图；
图11是本申请实施例交互装置第一实施例的框图；
图12是本申请实施例交互装置第二实施例的框图；
图13是用来实现本申请实施例的交互方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
如图1所示，在一种实施方式中，交互方法可以包括以下步骤：
S101:在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器。
S102:接收服务器对语音信号进行语音增强处理和语音识别处理的处理结果。
上述方法可以应用在如智能手机、智能音箱、智能电视、智能家居以及车载终端等终端设备中。
终端设备通过麦克风或麦克风阵列等声学传感器采集环境音。在环境音大于预定音量的情况下，声学传感器采集到音频信号。
对采集到的音频信号的识别、分析处理，可以检测音频信号是否包含语音信号，以及语音信号中是否包含唤醒词。在包含唤醒词的情况下，终端设备可以将与唤醒词相对应的语音信号作为与服务器进行交互的语音信号。与唤醒词相对应的语音信号可以是包含唤醒词的第一语音信号，和/或在第一语音信号之后的其他语音信号等。
服务器可以是云服务器等。终端设备通过WiFi通信技术、4G通信技术或5G通信技术等，将用于交互的语音信号发送至服务器。
服务器对终端设备发送的语音信号进行语音增强处理和语音识别处理，得到处理结果。其中，语音增强处理用于从接收到的语音信号中提取出有用的语音信号，并抑制噪声的干扰。有用的语音信号可以是包含唤醒词的语音信号，与唤醒词在预定时间间隔以内的语音信号等。
服务器可以对语音增强处理后的语音信号进行识别，得出语音信号的意图，作为语音增强处理和语音识别处理的结果。
语音增强处理和语音识别处理的结果发送至终端设备。终端设备可以根据该结果进行对应的操作。例如该结果可以是对空调、电视等家用电器的控制指令，则终端设备可以将控制指令发送给对应的家用电器。或者该结果可以是点歌或者查询天气等指令，则终端设备根据该指令进行歌曲播放或天气播放等。
通过上述方案，将语音增强处理和语音识别处理设置在服务器，可以有效降低终端设备的运算成本，进而可以降低终端设备的功耗。
如图2所示，在一种实施方式中，步骤S101包括：
S1011：在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式。
S1012：在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式。执行正常工作模式包括：将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
终端设备在上电后执行第一低功耗模式。第一低功耗模式可以包括话音激活检测(VAD，Voice Activity Detection)。话音激活检测可以判断音频信号中是否包含语音信号。
在从音频信号中检测到第一语音信号的情况下，终端设备由执行第一低功耗模式切换到执行第二低功耗模式。
第二低功耗模式可以包括对第一语音信号进行唤醒词检测。在检测到包含唤醒词的情况下，可以表示用户已经或者即将要输入指令。例如，第一语音信号可以既包含唤醒词，又包含控制指令。在此情况下，可以表示用户已经输入指令。或者，第一语音信号可以只包含唤醒词。在此情况下，可以表示用户即将要输入指令。
由此，终端设备进入正常工作模式。正常工作模式可以是，获取第一语音信号之后的其他语音信号，将其他语音信号作为与服务器交互的语音信号。
例如，终端设备可以判断出第一语音信号只包含唤醒词，在此情况下，可以表示用户即将要输入指令。基于此，可以将第一语音信号之后的其他语音信号作为与服务器交互的语音信号。
通过上述方案，终端设备在上电后执行第一低功耗模式，维持较低的功耗。只有在检测到语音信号的情况下，才会由执行第一低功耗模式切换到执行第二低功耗模式，在第二低功耗模式下检测语音信号中的唤醒词。在检测到唤醒词的情况下，最终进入正常工作模式。两级低功耗模式可以更进一步的降低终端设备的功耗。
如图3所示，在一种实施方式中，步骤S101包括：
S1011’：在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式。
S1012’：在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式。执行正常工作模式包括：将第一语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
与步骤S1011至步骤S1012的区别在于，可以将第一语音信号作为用于交互的语音信号。
在上述实施方式中，终端设备可以不对第一语音信号是否只包含唤醒词进行判断，而是直接将第一语音信号作为与服务器交互的语音信号。节省了判断步骤，可以进一步降低终端设备的运算量，从而降低其功耗。
在一种实施方式中，执行正常工作模式还包括：
S1013’：将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
例如，通常用户在进行交互的过程中，只有第一语音信号带有唤醒词，第一语音信号之后的其他语音信号不包含唤醒词，只有指令。针对此情况，可以在将第一语音信号作为用于交互的语音信号发送至服务器后，将在第一语音信号之后的其他语音信号也作为用于交互的语音信号发送至服务器。
可以通过设置时间间隔阈值的方式选择将在后的其他语音信号发送至服务器。例如，时间间隔阈值设置为10秒钟，在间隔10秒钟内接收到的其他语音信号可以作为用于交互的语音信号发送至服务器。
在其他语音信号为多个的情况下，也可以根据相邻两其他语音信号之间的时间间隔是否超过时间间隔阈值，确定是否将在后的语音信号发送至服务器。
通过上述方案，对于用于交互语音信号，终端设备不会遗漏发送。
如图4所示，在一种实施方式中，将用于交互的语音信号发送至服务器，包括：
S401：将用于交互的语音信号进行预处理。
S402：将预处理后的语音信号发送给服务器。
预处理可以包括回声消除处理。另外，还可以包括端点检测处理、预加重处理等。将用于交互的语音信号进过预处理后，可以提升语音信号的质量，利于服务器的后续处理。
在一种实施方式中，还包括：
在第一语音信号之后超过预定时间未检测到其他语音信号的情况下，切换到执行第一低功耗模式。
在检测到第一语音信号的情况下，终端设备可以开启计时。在预定时间未检测到其他语音信号的情况下，可以表示用户已经不再输入指令。在此情况下，可以由当前模式切换到执行第一低功耗模式。当前模式可以是第二低功耗模式，也可以是正常工作模式。
通过上述方案，可以使终端设备检测到用户已经不再输入指令的情况下，计时切换到最低消耗的第一低功耗模式。可以实现进一步的节约能耗。
如图5所示，本申请实施例提出另一种交互方法，包括：
S501：接收终端设备发送的用于交互的语音信号。
S502：对语音信号进行语音增强处理和语音识别处理，得到处理结果。
S503：将处理结果发送至终端设备。
上述方法可以应用在与终端设备通信连接的服务器中。服务器可以包括多台，例如第一服务器为执行语音增强处理的服务器，第二服务器为执行语音识别处理的服务器。
以服务器为两台为例，第一服务器接收终端设备发送的用于交互的语音信号，执行语音增强处理，得到第一处理结果。第一服务器将第一处理结果发送至第二服务器。第二服务器对第一处理结果进行语音识别处理，得到第二处理结果，将第二处理结果发送至终端设备。
另外，服务器可以对用于交互的语音信号进行判断，以确定是否需要执行语音增强处理或语音识别处理，根据判断结果进行相应处理。
例如，所接收的用于交互的语音信号具有较高的清晰度，则可以直接进行语音识别处理。或者经过语音增强处理的语音信号是在终端设备可识别的标准指令，则可以将经过语音增强处理的语音信号发送给终端设备。
在一种实施方式中，语音增强处理包括波束成形、盲源分离、噪声抑制、去混响、自动增益控制中的至少一种。
如图6所示，在一种实施方式中，终端设备包括依次连接的麦克风阵列、数字信号处理芯片和主处理芯片。与主处理芯片连接的通信模块和功放，与功放连接的扬声器。还包括电源模块。
终端设备与服务器通信连接。服务器包括用于语音增强处理的第一服务器和用于语音识别处理的第二服务器。
如图7所示，在图6所示的终端设备中，可以执行以下交互方法：
S701：终端设备上电，执行第一低功耗模式。
第一低功耗模式可以对应主处理芯片待机。数字信号处理芯片执行话音激活检测，利用与其连接的麦克风阵列检测语音信号。
S702：检测到语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式。
第二低功耗模式可以对应主处理芯片待机，数字信号处理芯片执行唤醒词检测。
数字信号处理芯片检测到语音信号的情况下，由执行话音激活检测切换到唤醒词检测。对检测到的语音信号进行唤醒词检测。
S703：在检测到唤醒词的情况下，由执行第二低功耗模式切换到正常工作模式。
正常工作模式可以对应主处理芯片和数字信号处理芯片均可以正常工作。主处理芯片的正常工作可以包括对接收的语音信号进行转发工作，数字信号处理芯片执行的正常工作可以包括对接收到的语音信号进行预处理工作。
数字信号处理芯片检测到唤醒词的情况下，向主处理芯片输出唤醒信号。例如，数字信号处理芯片可以触发带唤醒功能的通用输入输出接口(GPIO，General Purpose InputOutput)向主处理芯片输出中断信号，中断信号作为向主处理芯片输出的唤醒信号。
主处理芯片接收到唤醒信号，从待机切换为正常工作。向数字信号处理芯片发送启动命令。例如，主处理芯片可以通过I2C总线(Inter-Integrated Circuit)或串行外设接口(SPI，Serial Peripheral Interface)等向数字信号处理芯片发送启动命令。
数字信号处理芯片接收到启动命令后，由执行待唤醒切换到正常工作。
S704：将语音信号发送给服务器。
在正常工作模式，数字信号处理芯片将麦克风阵列采集到的语音信号进行预处理。将预处理后的语音信号发送给主处理芯片。其中，预处理可以包括回声消除处理等。
在正常工作模式，麦克风阵列采集到的语音信号可以是前述包含唤醒词的语音信号，也可以是在包含唤醒词的语音信号之后的其他语音信号。
主处理芯片将预处理后的语音信号通过WiFi通信模块，4G通信模块或5G通信模块等通信模块发送至服务器。
S705：接收服务器发送的处理结果。
第一服务器对语音信号进行语音增强处理，将处理结果发送至第二服务器。由第二服务器进行语音识别处理，得到处理结果。第二服务器将处理结果发送给终端设备的通信模块，最终由通信模块发送至主处理芯片。
服务器对语音信号进行语音增强处理可以包括波束成形、盲源分离、噪声抑制、去混响、自动增益控制中的至少一种。
S706：根据处理结果进行对应操作。
处理结果可以是对空调、电视等家用电器的控制指令，终端设备可以将控制指令发送给对应的家用电器。或者处理结果可以是点歌或者查询天气等指令，终端设备根据该指令控制功放进行工作，最终通过扬声器进行歌曲播放或天气情况播报等。
S707：在预定时间未检测到语音信号的情况下，切换至执行第一低功耗模式。
主处理芯片开始正常工作的情况下，启动计时。在预定时间间隔未收到数字信号处理芯片发送的语音信号的情况下，主处理芯片由正常工作切换至待机，并向数字信号处理芯片发送切换命令。
数字信号处理芯片接收到切换命令，切换到执行话音激活检测，即终端设备切换到执行第一低功耗模式。
另外，也可以由数字信号处理芯片启动计时，例如可以唤醒词检测的情况下启动计时，或者可以在切换到正常工作的情况下启动计时。在预定时间间隔未再次检测到语音信号的情况下，切换到执行话音激活检测，并向主处理芯片发送第二中断信号。主处理芯片接收到第二中断信号的情况下，切换至待机。
如图8所示，本申请提供一种交互装置，该交互装置可以对应前述的终端设备，交互系统包括：
第一发送模块801，用于在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器。
第一接收模块802，用于接收服务器对语音信号进行语音增强处理和语音识别处理的处理结果。
如图9所示，在一种实施方式中，第一发送模块801，包括：
第一数字信号处理子模块8011，用于在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
第一主处理子模块8012，在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
执行正常工作模式包括：
将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
如图10所示，在一种实施方式中，第一发送模块801，包括：
第二数字信号处理子模块8013，用于在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
第二主处理子模块8014，在第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
执行正常工作模式包括：
将第一语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
在一种实施方式中，执行正常工作模式，还包括：
将第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
如图11所示，在一种实施方式中，第一发送模块801，还包括：
预处理子模块8015，用于将用于交互的语音信号进行预处理；
发送执行子模块8016，用于将预处理后的语音信号发送给服务器。
预处理子模块8015、发送执行子模块8016可以和第一数字信号处理子模块8011集成设置，或者可以和第二数字信号处理子模块8013集成设置。
在一种实施方式中，第一发送模块801，还包括：
模式切换模块，用于在第一语音信号之后超过预定时间未检测到其他语音信号的情况下，切换到执行第一低功耗模式。
模式切换模块可以和第一数字信号处理子模块8011或第二数字信号处理子模块8013集成设置。模式切换模块还可以和第一主处理子模块8012或第二主处理子模块8014集成设置。
如图12所示，本申请提供一种交互装置，该交互装置可以对应前述的服务器，该交互系统包括：
第二接收模块1201，用于接收终端设备发送的用于交互的语音信号；
语音信号处理模块1202，用于对语音信号进行语音增强处理和语音识别处理，得到处理结果；
第二发送模块1203，用于将处理结果发送至终端设备。
在一种实施方式中，语音增强处理包括波束成形、盲源分离、噪声抑制、去混响、自动增益控制中的至少一种。
根据本申请的实施例，在一种实施方式中，本申请还提供一种交互系统，包括前述终端设备和服务器。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图13所示，是根据本申请实施例的交互方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图13所示，该电子设备包括：一个或多个处理器1310、存储器1320，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图13中以一个处理器1310为例。
存储器1320即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的交互方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的交互方法。
存储器1320作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的交互方法对应的程序指令/模块(例如，附图8所示的第一发送模块801和第一接收模块802)。处理器1310通过运行存储在存储器1320中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的交互方法。
存储器1320可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据交互方法的电子设备的使用所创建的数据等。此外，存储器1320可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1320可选包括相对于处理器1310远程设置的存储器，这些远程存储器可以通过网络连接至交互方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
交互方法的电子设备还可以包括：输入装置1330和输出装置1340。处理器1310、存储器1320、输入装置1330和输出装置1340可以通过总线或者其他方式连接，图13中以通过总线连接为例。
输入装置1330可接收输入的数字或字符信息，以及产生与交互方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1340可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、发光二极管(Light EmittingDiode，LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(programmable logic device，PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode Ray Tube，阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、音频信号输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (19)

1.一种交互方法，其特征在于，包括：
在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器；
接收所述服务器对所述语音信号进行语音增强处理和语音识别处理的处理结果。
2.根据权利要求1所述的方法，其特征在于，所述在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器，包括：
在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
在所述第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
所述执行正常工作模式包括，将所述第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
3.根据权利要求1所述的方法，其特征在于，所述在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器，包括：
在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
在所述第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；
所述执行正常工作模式包括，将所述第一语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
4.根据权利要求3所述的方法，其特征在于，所述执行正常工作模式，还包括：
将所述第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
5.根据权利要求1至4任一所述的方法，其特征在于，所述将用于交互的语音信号发送至服务器，包括：
将用于交互的语音信号进行预处理；
将预处理后的语音信号发送给服务器。
6.根据权利要求2至4任一所述的方法，其特征在于，还包括：
在第一语音信号之后超过预定时间未检测到其他语音信号的情况下，切换到执行第一低功耗模式。
7.一种交互方法，其特征在于，包括：
接收终端设备发送的用于交互的语音信号；
对所述语音信号进行语音增强处理和语音识别处理，得到处理结果；
将所述处理结果发送至终端设备。
8.根据权利要求7所述的方法，其特征在于，所述语音增强处理包括波束成形、盲源分离、噪声抑制、去混响、自动增益控制中的至少一种。
9.一种交互装置，其特征在于，包括：
第一发送模块，用于在检测到唤醒词的情况下，将用于交互的语音信号发送至服务器；
第一接收模块，用于接收所述服务器对所述语音信号进行语音增强处理和语音识别处理的处理结果。
10.根据权利要求9所述的装置，其特征在于，所述第一发送模块，包括：
第一数字信号处理子模块，用于在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
第一主处理子模块，用于在所述第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；所述执行正常工作模式包括，将所述第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
11.根据权利要求9所述的装置，其特征在于，所述第一发送模块，包括：
第二数字信号处理子模块，用于在检测到第一语音信号的情况下，由执行第一低功耗模式切换到执行第二低功耗模式；
第二主处理子模块，用于在所述第一语音信号中包含唤醒词的情况下，由执行第二低功耗模式切换到执行正常工作模式；所述执行正常工作模式包括，将所述第一语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
12.根据权利要求10所述的装置，其特征在于，所述执行正常工作模式，还包括：
将所述第一语音信号之后的其他语音信号作为用于交互的语音信号，将用于交互的语音信号发送至服务器。
13.根据权利要求9至12任一所述的装置，其特征在于，所述第一发送模块，还包括：
预处理子模块，用于将用于交互的语音信号进行预处理；
发送执行子模块，用于将预处理后的语音信号发送给服务器。
14.根据权利要求10至12任一所述的装置，其特征在于，还包括：
模式切换模块，用于在第一语音信号之后超过预定时间未检测到其他语音信号的情况下，切换到执行第一低功耗模式。
15.一种交互装置，其特征在于，包括：
第二接收模块，用于接收终端设备发送的用于交互的语音信号；
语音信号处理模块，用于对所述语音信号进行语音增强处理和语音识别处理，得到处理结果；
第二发送模块，用于将所述处理结果发送至终端设备。
16.根据权利要求15所述的装置，其特征在于，所述语音增强处理包括波束成形、盲源分离、噪声抑制、去混响、自动增益控制中的至少一种。
17.一种交互系统，其特征在于，包括权利要求9至14任一所述的装置及权利要求15或16所述的装置。
18.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的方法。
CN201911409007.8A 2019-12-31 2019-12-31 交互方法、装置、系统、电子设备及存储介质 Pending CN111128201A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911409007.8A CN111128201A (zh) 2019-12-31 2019-12-31 交互方法、装置、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911409007.8A CN111128201A (zh) 2019-12-31 2019-12-31 交互方法、装置、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN111128201A true CN111128201A (zh) 2020-05-08

Family

ID=70506290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911409007.8A Pending CN111128201A (zh) 2019-12-31 2019-12-31 交互方法、装置、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111128201A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112382281A (zh) * 2020-11-05 2021-02-19 北京百度网讯科技有限公司 一种语音识别方法、装置、电子设备和可读存储介质
CN112435668A (zh) * 2020-11-06 2021-03-02 联想(北京)有限公司 一种语音识别方法、装置及存储介质
CN113393838A (zh) * 2021-06-30 2021-09-14 北京探境科技有限公司 语音处理方法、装置、计算机可读存储介质及计算机设备
CN114049896A (zh) * 2021-11-08 2022-02-15 西安链科信息技术有限公司 一种车载云端智能语音交互系统、方法、设备及终端

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578776A (zh) * 2017-09-25 2018-01-12 咪咕文化科技有限公司 一种语音交互的唤醒方法、装置及计算机可读存储介质
CN108270651A (zh) * 2018-01-25 2018-07-10 厦门盈趣科技股份有限公司 语音传输节点及语音处理系统
CN108538297A (zh) * 2018-03-12 2018-09-14 恒玄科技（上海）有限公司 一种基于无线麦克风阵列的智能语音交互方法及交互系统
CN108597507A (zh) * 2018-03-14 2018-09-28 百度在线网络技术（北京）有限公司 远场语音功能实现方法、设备、系统及存储介质
CN108735210A (zh) * 2018-05-08 2018-11-02 宇龙计算机通信科技(深圳)有限公司 一种语音控制方法及终端
CN108986822A (zh) * 2018-08-31 2018-12-11 出门问问信息科技有限公司 语音识别方法、装置、电子设备及非暂态计算机存储介质
CN109147779A (zh) * 2018-08-14 2019-01-04 苏州思必驰信息科技有限公司 语音数据处理方法和装置
CN109559741A (zh) * 2017-09-27 2019-04-02 浙江苏泊尔家电制造有限公司 烹饪方法及装置、烹饪系统
CN109599111A (zh) * 2019-01-02 2019-04-09 百度在线网络技术（北京）有限公司 语音交互方法、装置和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578776A (zh) * 2017-09-25 2018-01-12 咪咕文化科技有限公司 一种语音交互的唤醒方法、装置及计算机可读存储介质
CN109559741A (zh) * 2017-09-27 2019-04-02 浙江苏泊尔家电制造有限公司 烹饪方法及装置、烹饪系统
CN108270651A (zh) * 2018-01-25 2018-07-10 厦门盈趣科技股份有限公司 语音传输节点及语音处理系统
CN108538297A (zh) * 2018-03-12 2018-09-14 恒玄科技（上海）有限公司 一种基于无线麦克风阵列的智能语音交互方法及交互系统
CN108597507A (zh) * 2018-03-14 2018-09-28 百度在线网络技术（北京）有限公司 远场语音功能实现方法、设备、系统及存储介质
CN108735210A (zh) * 2018-05-08 2018-11-02 宇龙计算机通信科技(深圳)有限公司 一种语音控制方法及终端
CN109147779A (zh) * 2018-08-14 2019-01-04 苏州思必驰信息科技有限公司 语音数据处理方法和装置
CN108986822A (zh) * 2018-08-31 2018-12-11 出门问问信息科技有限公司 语音识别方法、装置、电子设备及非暂态计算机存储介质
CN109599111A (zh) * 2019-01-02 2019-04-09 百度在线网络技术（北京）有限公司 语音交互方法、装置和存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112382281A (zh) * 2020-11-05 2021-02-19 北京百度网讯科技有限公司 一种语音识别方法、装置、电子设备和可读存储介质
CN112382281B (zh) * 2020-11-05 2023-11-21 北京百度网讯科技有限公司 一种语音识别方法、装置、电子设备和可读存储介质
CN112435668A (zh) * 2020-11-06 2021-03-02 联想(北京)有限公司 一种语音识别方法、装置及存储介质
CN113393838A (zh) * 2021-06-30 2021-09-14 北京探境科技有限公司 语音处理方法、装置、计算机可读存储介质及计算机设备
CN114049896A (zh) * 2021-11-08 2022-02-15 西安链科信息技术有限公司 一种车载云端智能语音交互系统、方法、设备及终端

Similar Documents

Publication Publication Date Title
CN111128201A (zh) 交互方法、装置、系统、电子设备及存储介质
CN111192591B (zh) 智能设备的唤醒方法、装置、智能音箱及存储介质
CN106847298B (zh) 一种基于弥漫式语音交互的拾音方法和装置
US11295760B2 (en) Method, apparatus, system and storage medium for implementing a far-field speech function
CN107835033B (zh) 天线调谐开关的控制方法、装置、终端设备及存储介质
JP7017598B2 (ja) スマートデバイスのデータ処理方法、装置、機器及び記憶媒体
CN108024128B (zh) 蓝牙音乐播放的控制方法、装置、终端设备及存储介质
CN106293901B (zh) 一种终端应用的进程管理方法及装置
JP7258932B2 (ja) 車載多音域に基づくノイズ低減方法、装置、電子機器及び記憶媒体
CN110501918B (zh) 智能家电控制方法、装置、电子设备和存储介质
CN112230877A (zh) 一种语音操作方法、装置、存储介质及电子设备
CN106940997B (zh) 一种向语音识别系统发送语音信号的方法和装置
CN112530419A (zh) 语音识别控制方法、装置、电子设备和可读存储介质
CN110930964B (zh) 一种显示屏亮度调节方法、装置、存储介质及终端
EP3851952A2 (en) Signal processing method, signal processing device, and electronic device
CN112822001A (zh) 电子设备的控制方法和电子设备
CN110517684B (zh) 用于智能设备的控制方法、装置、智能设备及存储介质
US20160343370A1 (en) Speech feedback system
CN112382281B (zh) 一种语音识别方法、装置、电子设备和可读存储介质
CN111045641B (zh) 一种电子终端及语音识别方法
CN110716158B (zh) 检测方法、系统、存储介质及移动终端
CN111986682A (zh) 语音交互方法、装置、设备以及存储介质
CN110609671A (zh) 声音信号增强方法、装置、电子设备及存储介质
CN108808871B (zh) 一种无线充电接收端、无线充电方法及移动终端
CN115188143B (zh) 智能交互设备的控制方法、装置、智能交互设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200508

RJ01 Rejection of invention patent application after publication